基于圖像特征識別的落葉松球蚜種群密度獲取

于鶴英+迮興業+劉佳妮

獲得落葉松球蚜種群密度對于落葉松林業保護有重要意義。為了減輕人工獲得落葉松球蚜種群密度的勞動強度，提高數據的準確率，本文采用基于顏色直方圖篩選后，將篩選結果通過幾何圖形雙重確認的方法來辨別區域中蟲卵的范圍，降低在識別落葉松球蚜種群數量過程中的難度，提高的準確度，更好地服務生產實際問題。

落葉松球蚜屬于多態型昆蟲，包括多種不同形態的蟲型，主要可分為干母、癭蚜、偽干母及有性蚜等。現有的落葉松林業保護和調查工作中，存在對落葉松球蚜受害程度人工統計困難、誤差較大等諸多問題。本文根據落葉松球蚜不同時期的不同形態特點，對蟲型的各種角度進行圖像采集，利用圖像處理技術提高落葉松球蚜種群密度調查的精度和效率。

1 特征提取

通過樣本的采集，確定顏色特征與形狀特征用來作為判斷圖像中落葉松球蚜蟲卵和成蟲的主要特征依據。

首先構建一個1-D的離散函數，即：

H（k）=nk/n，k=0，1，…，L-1 （1）

其中k表示圖像的特征取值，L表示特征的可取值個數，nk為圖像中具有特征值k的像素的個數，N表示圖像中總像素數。

設HQ（k）和HD（k）分別為兩幅圖像某一特征的統計直方圖，則兩圖像之間的匹配值P（Q，D）可借助直方圖相交來實現，即：

P（Q，D）=■ （2）

基于顏色直方圖的檢索丟失了圖像中像素點的位置特征，可能會產生多張不同的圖像具備相同的顏色直方圖的情況。因此可能會產生將背景色中與蟲卵或成蟲顏色相近的顏色誤識別。將檢測結果加入幾何特征提取將會大大降低這種錯誤。由于蟲卵或蟲癭等多為近似圓形狀態，因此可以將結果進行類圓形檢測從圖像中提取出來的邊緣信息加以擬合，并對組合之后得到的多邊形進行歸一化處理判別等處理 。

圖像二值化處理采用最常見的閾值法對圖像進行分割。經過圖像分割和邊緣提取后，可以得到一組有序的，用來描述物體邊緣的一組點的集合。需要將這些描述邊界的點擬合成為多邊形，以便于判斷多邊形是否與圓形近似。擬合的過程為：將邊緣點集中的第一點S（xs，ys）和最后一點E（xe，ye）作為一條線段的兩個端點，任取點集中其他任意一點K（xk，yk），計算K到線段的距離dK。

dk=|xk（ys-ye）+yk（xe-xs）+yexs-ysxe|/■2，k=2，3，…，n-1 （3）

其中，n為邊緣點個數。

當dk小于既定的閾值dth，則將該線段定義為多邊形的一條邊；當dmax=max（dk）不小于閾值dth，則令（xe，ye）←（xmax，ymax），繼續計算dmax，直到dmax

當將全部的孤立點歸一化處理后，采用周長，平均極距離和面積作為判定特征進行圓形判別。周長表示為：

L=■li=■■i=1，2，...M （4）

其中，li為特征點v'i與特征點v'i+1之間的歐氏距離。

平均極距離表示為：

d=1/M■di= 1/M■■ （5）

其中，di為特征點v'i與多邊形中心位置C間的歐式距離。

面積表示為：

A=■S△i=■■ i=1，2，...，M （6）

其中，s=（di+di+1+li）/2，S△i，為由特征點v'i與特征點v'i+1和多邊形中心C'所構成的三角形面積。

由此進一步得到周長比C1、距離比C2和面積比C3

C1=L/2πr， C2=d/r，C3=A/πr2 （7）

設定三個門限閾值T1，T2，T3，當且僅當T1

2 對比分析

我們采用直方圖相交法將采集來的現場圖片轉換成為的顏色直方圖與基準庫中的數據進行比較，根據其顏色直方圖的相似程度得到該采集點所處位置的樹種遭受落葉松球蚜蟲害的程度。

假設M，N是兩個含有K個BIN的直方圖，它們的分量分別為M（i），N（i），其中，i=1，2，...K，則兩個直方圖的相交距離為：

D（M，N）=■min（M（i），N（i）） （8）

將通過顏色特性對比后得到的結果，結合幾何特性對比結果，可以得到某一點當前收到落葉松球蚜侵害情況，將此結果連同時間戳和地理位置信息一同記錄入數據庫中作為基礎分析數據。

3 結果及分析

試驗中令dth=2，T1=0.7，T2=0.7，T3=0.7。由實驗可知，在葉片上的若干簇類似圓形的蟲卵均被系統所識別；而背景圖案中，與蟲卵類似顏色但顏色不符合類似圓形幾何特征的圖形均被系統所丟棄。實驗結果基本滿足設定需求。

（作者單位：130118 吉林農業大學）